我的数据矩阵是1000x65K矩阵,其中包含500个正例和500个负例。我的功能是二进制(0或1)。我的标签是[ones(500,1); -ones(500,1)];
我正在使用以下代码训练线性svm:
ost = 0.1;
epsilon = 2;
gamma = 0.1;
degree = 3;
coef0 = 0;
options_string = ['-s 0 -t 0 ' ' -c ' num2str(cost) ' -p ' num2str(epsilon) ' -g ' num2str(gamma) ' -d ' num2str(degree) ' -r ' num2str(coef0) ' -b 1'];
SVRModel = svm_train(data, labels , options_string);
我正在使用以下代码计算系数向量w:
w = zeros(1,M);
for i=1:length(SVRModel.sv_coef)
w = w + SVRModel.sv_coef(i)*SVRModel.SVs(i,:);
end
但是,所得向量w的所有值都相同。另外,我得到了484个支持向量,并且所有前424个svm系数均为0.1,而其余所有(也为424个)均为-0.1。
这个怎么可能?有人可以说明我的问题吗?
谢谢,
吉尔
最佳答案
首先,线性SVM中不需要gamma
和coef0
。
其次,我认为应该是SVRModel = svm_train(labels, data, options_string);
在您的培训过程中。
您可以向量化权重和偏差项。
w = model.SVs' * model.sv_coef;
b = -model.rho;